論文の概要: Domain Camera Adaptation and Collaborative Multiple Feature Clustering
for Unsupervised Person Re-ID
- arxiv url: http://arxiv.org/abs/2208.08624v1
- Date: Thu, 18 Aug 2022 03:56:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-19 13:40:54.406125
- Title: Domain Camera Adaptation and Collaborative Multiple Feature Clustering
for Unsupervised Person Re-ID
- Title（参考訳）: 教師なしRe-IDのためのドメインカメラ適応と協調多重特徴クラスタリング
- Authors: Yuanpeng Tu
- Abstract要約: 教師なしの人物再識別(re-ID)は、限られたデータが利用可能なオープンワールドシナリオ設定のために、多くの注目を集めている。
既存の教師なし手法は、しばしば目に見えない領域でうまく一般化できないが、教師なし手法は、主に複数の粒度情報がなく、確認バイアスに悩まされる傾向がある。
本稿では,1)ラベル付きソースドメイン上で教師なしドメイン適応を行い,2)ラベル付きターゲットドメイン上での潜在的類似点のマイニングを行う。
- 参考スコア（独自算出の注目度）: 1.2691047660244335
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recently unsupervised person re-identification (re-ID) has drawn much
attention due to its open-world scenario settings where limited annotated data
is available. Existing supervised methods often fail to generalize well on
unseen domains, while the unsupervised methods, mostly lack multi-granularity
information and are prone to suffer from confirmation bias. In this paper, we
aim at finding better feature representations on the unseen target domain from
two aspects, 1) performing unsupervised domain adaptation on the labeled source
domain and 2) mining potential similarities on the unlabeled target domain.
Besides, a collaborative pseudo re-labeling strategy is proposed to alleviate
the influence of confirmation bias. Firstly, a generative adversarial network
is utilized to transfer images from the source domain to the target domain.
Moreover, person identity preserving and identity mapping losses are introduced
to improve the quality of generated images. Secondly, we propose a novel
collaborative multiple feature clustering framework (CMFC) to learn the
internal data structure of target domain, including global feature and partial
feature branches. The global feature branch (GB) employs unsupervised
clustering on the global feature of person images while the Partial feature
branch (PB) mines similarities within different body regions. Finally,
extensive experiments on two benchmark datasets show the competitive
performance of our method under unsupervised person re-ID settings.
- Abstract（参考訳）: 最近、制限付きアノテートデータが利用可能なオープンワールドシナリオ設定のために、教師なしの人物再識別(re-ID)が注目されている。
既存の教師付きメソッドは、多くの場合、見当たらないドメインでうまく一般化できないが、教師なしのメソッドは、ほとんどが複数の粒度情報がなく、確認バイアスに苦しむ傾向がある。
本稿では,2つの側面から未確認対象領域のより優れた特徴表現を求める。
1)ラベル付きソースドメインで教師なしのドメイン適応を行う。
2)未ラベル対象領域における鉱業ポテンシャルの類似性
また、確認バイアスの影響を軽減するために、協調的な擬似再ラベル戦略を提案する。
まず、生成対向ネットワークを利用して、ソースドメインからターゲットドメインへの画像転送を行う。
さらに、生成画像の品質を向上させるために、人物のアイデンティティ保存とアイデンティティマッピングの損失が導入される。
第2に,グローバル機能や部分的機能ブランチを含む対象領域の内部データ構造を学習するための,協調型多機能クラスタリングフレームワーク(CMFC)を提案する。
グローバル機能ブランチ(GB)は、人画像のグローバル機能に教師なしクラスタリングを採用し、部分機能ブランチ(PB)は、異なる身体領域内で類似性をマイニングする。
最後に、2つのベンチマークデータセットに対する広範な実験により、教師なしの人物再ID設定下での手法の競合性能を示す。
関連論文リスト
- Cross Domain Object Detection by Target-Perceived Dual Branch
Distillation [49.68119030818388]
クロスドメインオブジェクト検出は、現実的で挑戦的なタスクです。
本稿では,TDD(Target-perceived Dual-branch Distillation)フレームワークを提案する。
私たちのTDDは、すべてのベンチマークで最先端のメソッドよりも大幅に優れています。
論文 参考訳（メタデータ） (2022-05-03T03:51:32Z) - META: Mimicking Embedding via oThers' Aggregation for Generalizable
Person Re-identification [68.39849081353704]
Domain Generalizable (DG) Person Re-identification (ReID)は、トレーニング時に対象のドメインデータにアクセスすることなく、見えないドメインをまたいでテストすることを目的としている。
本稿では,DG ReID のための OThers' Aggregation (META) を用いた Mimicking Embedding という新しい手法を提案する。
論文 参考訳（メタデータ） (2021-12-16T08:06:50Z) - AFAN: Augmented Feature Alignment Network for Cross-Domain Object
Detection [90.18752912204778]
オブジェクト検出のための教師なしドメイン適応は、多くの現実世界のアプリケーションにおいて難しい問題である。
本稿では、中間領域画像生成とドメイン・アドバイザリー・トレーニングを統合した新しい機能アライメント・ネットワーク(AFAN)を提案する。
提案手法は、類似および異種ドメイン適応の双方において、標準ベンチマークにおける最先端の手法よりも大幅に優れている。
論文 参考訳（メタデータ） (2021-06-10T05:01:20Z) - Generalizable Person Re-identification with Relevance-aware Mixture of
Experts [45.13716166680772]
我々はRaMoE(Relevance-Aware Mixed of Expert)と呼ばれる新しい手法を提案する。
RaMoEは、効率的な投票に基づく混合メカニズムを使用して、モデル一般化を改善するために、ソースドメインの様々な特性を動的に活用する。
対象ドメインの学習時の視認性を考慮し,新たな学習学習アルゴリズムと関係アライメント損失を組み合わせることで,投票ネットワークを更新する手法を提案する。
論文 参考訳（メタデータ） (2021-05-19T14:19:34Z) - Cross-Domain Facial Expression Recognition: A Unified Evaluation
Benchmark and Adversarial Graph Learning [85.6386289476598]
我々は,クロスドメイン全体的特徴共適応のための新しい逆グラフ表現適応(AGRA)フレームワークを開発した。
我々は,いくつかの一般的なベンチマークで広範囲かつ公平な評価を行い,提案したAGRAフレームワークが従来の最先端手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2020-08-03T15:00:31Z) - Unsupervised Disentanglement GAN for Domain Adaptive Person
Re-Identification [10.667492516216887]
本稿では、教師付き人物ReIDのドメイン適応問題に対処するため、新しい非教師付き非教師付き逆境生成ネットワーク(UD-GAN)を提案する。
我々のフレームワークは、識別アノテーションを用いて、ソースラベル付きドメインにおける識別的特徴抽出のためのReIDネットワークを共同で訓練する。
その結果、ReID機能は、教師なしドメイン内の人物のアイデンティティをよりよく含みます。
論文 参考訳（メタデータ） (2020-07-30T16:07:05Z) - Joint Visual and Temporal Consistency for Unsupervised Domain Adaptive
Person Re-Identification [64.37745443119942]
本稿では,局所的なワンホット分類とグローバルなマルチクラス分類を組み合わせることで,視覚的・時間的整合性を両立させる。
3つの大規模ReIDデータセットの実験結果は、教師なしと教師なしの両方のドメイン適応型ReIDタスクにおいて提案手法の優位性を示す。
論文 参考訳（メタデータ） (2020-07-21T14:31:27Z) - Alleviating Semantic-level Shift: A Semi-supervised Domain Adaptation
Method for Semantic Segmentation [97.8552697905657]
このタスクの重要な課題は、ソースとターゲットドメイン間のデータ分散の相違を緩和する方法である。
本稿では,グローバルな視点とローカルな視点の両方から分布の整合性を促進できるASS(Alleviating Semantic-level Shift)を提案する。
GTA5、Cityscapes、Synthia、Cityscapesの2つのドメイン適応タスクにASSを適用します。
論文 参考訳（メタデータ） (2020-04-02T03:25:05Z) - Dual Adversarial Domain Adaptation [6.69797982848003]
教師なしドメイン適応は、ラベル付きソースドメインからラベルなしターゲットドメインへの知識の転送を目的としている。
近年の研究では、判別器が両方のドメインにドメイン情報を備えている場合、複雑なマルチモーダル情報を保存できることが示されている。
ドメインレベルのアライメントとクラスレベルのアライメントを同時に行うために,2Kドル分の出力を持つ判別器を単一識別器に適用する。
論文 参考訳（メタデータ） (2020-01-01T07:10:09Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。